Anàlisi de la sinistralitat d'una cartera d'automòbil

Abstract

Els sinistres, en el ram dels automòbils, són uns fets que es produeixen diàriament. Cada dia es produeixen avaries als vehicles o accidents. Tothom té contractada una assegurança obligatòria per cobrir els danys que produeixen a les persones de fora. El grup Catalana Occident és una empresa pionera en el món de les assegurances. Aquesta recopila tots els sinistres que han passat en unes bases de dades mensual. En aquestes bases hi ha una variable que ens indica la fase en la qual es troba el sinistre. Però a vegades ens trobem amb problemes de classificació. Per aquest motiu, l'ús del Machine learning o aprenentatge automàtic amb models de classificació pot ser un recurs per poder solucionar el problema de mala classificació de la fase en la qual es troba el sinistre. Aquests models ens permeten entrenar les dades per aprendre d'elles i obtenir classificacions i prediccions de les bases amb un nivell més alt de precisió. Aquest treball té com a objectiu aplicar tècniques de classificació mitjançant el Machine Learning per a abordar el problema de la mala classificació de les fases del sinistre. Per això, utilitzem tres mètodes de classificació que avaluaran el seu rendiment. Aquests són: Arbres de decisió, Naive Bayes i Regressió Logística. Compararem aquests mètodes i seleccionarem el millor model de classificació per les dades del treball.